[发明专利]基于小波变换的人工视觉图像处理方法

说明书

技术领域

本发明涉及一种图像处理技术领域的方法，具体是一种基于小波变换的人工视觉图像处理方法。

背景技术

人工耳蜗技术和人工视觉技术都属于人工感知的范畴。由于视觉与听觉的生理机制有很多相似之处，因此人工耳蜗技术和人工视觉技术也有相似之处。他们分别是对由麦克风采集的外部声音信号和摄像头采集的外部图像信号，进行人工的处理和编码，然后由电极阵列将编码的结果以电流脉冲波的方式施加到听神经和视神经/视网膜上，使其产生神经冲动，传入大脑产生听幻觉和视幻觉。上世纪50年代就开始的人工耳蜗技术如今已经广泛应用于临床成为目前全聋患者恢复听觉的唯一有效的治疗方法。

小波技术是为了解决傅立叶变换的局限性而产生的一项技术。1989年，马拉特(S.Mallat)在《IEEE Trans on Acoustics，Speech and Signal Processing》(声学、语音与信号处理学报)(1989年37卷12号2091至2110页)上发表Multifrequency channel decompositions of images and wavelet models(图像的多频率通道分解与小波模型)，提出了多分辨率分析(Multi-ResolutionAnalysis)的概念，并给出了快速小波变换(FWT)的算法，称为马拉特算法(Mallat算法)。马拉特算法的提出大大提高了小波变换的计算速度，从而使小波变换在工程领域得到广泛的应用：小波变换在人工耳蜗声音处理系统有出色的表现；离散小波变换在数字图像压缩、处理和分析中也已经被广泛采用。而且，小波变换和人体视觉处理系统的机制具有一定的相似性：局部性、多分辨率、稀疏性。

经过对现有技术文献检索发现，ECKMILLER等在《JOURNAL OF NEURALENGINEERING》(神经工程学杂志)(2005年2月期91至104页)上发表Tunableretina encoders for retina implants：why and how(可调的视网膜视觉假体编码器)，该文中提出可调的视网膜图像处理方法，具体方法为：应用视网膜和中央视觉系统两个模块，用时空滤波器对图像进行编码，用移动的圆作为样本来训练两个模块的状态参数。但其不足在于仅只停留在对图像的重构层面，而没有将图像与视觉假体的电极刺激联系起来，而且模型实时性差，训练过程比较复杂，实际应用中可控性差，不便于嵌入到视觉假体应用系统中去。

发明内容

本发明的目的在于克服现有技术中的不足，本发明提出了一种基于小波变换的人工视觉图像处理方法，使其针对视网膜或视神经视觉假体中的信号处理系统，参考人工耳蜗中的声音信号处理方法，采用二维离散小波变换对原始图像进行变换，变换后的小波系数经过采样、选择和映射转化为视觉假体中的刺激电极电流强度，从而刺激人体视觉系统产生视幻觉。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

步骤一，对采集图像进行二维离散小波变换以及二级小波分析，获得小波系数；

一幅原始灰度图像，经过对比度增强后用马拉特快速小波变换算法进行二维离散小波变换并进行二级小波分析，得到小波系数。所述小波，选用双正交小波，因为这种小波函数与神经节细胞的感受野模型较为接近。本发明中视觉系统中的神经元被简化地看成相互独立的个体，每个神经元的响应是线性的。那么，每个神经元的响应程度就是小波变换产生的小波系数大小。

对于一个32×32像素的原始灰度图像，进行二级小波分析，将得到七个小波系数矩阵，即一个低频近似系数矩阵cA₂(14×14)和六个高频系数矩阵，六个高频系数矩阵包括三个二级小波系数矩阵(14×14)：水平cD₂^(h)、竖直cD₂^(v)和对角系数矩阵cD₂^(d)，和三个一级小波系数矩阵(20×20)：水平cD₁^(h)、竖直cD₁^(v)和对角系数矩阵cD₁^(d)。

步骤二，对步骤一得到的小波系数进行硬阈值化处理；

对经过小波变换得到的小波系数，分布在零附近的系数认为其不足以引起神经细胞的反应将其置为0，称之为硬阈值化过程，即：